PDF2Audio是一個(gè)開源項(xiàng)目，旨在將 PDF 文件轉(zhuǎn)換為音頻格式，例如播客、講座或摘要。該項(xiàng)目使用 Openai 的 GPT 模型進(jìn)行文本生成和文本到語音 (TTS) 轉(zhuǎn)換。用戶可以上傳多個(gè)PDF文件并根據(jù)不同的模板生成音頻內(nèi)容（例如播客、講座、摘要）。

PDF2Audio的特點(diǎn)：

• 支持多個(gè)PDF文件上傳：用戶可以同時(shí)上傳多個(gè)PDF文件，并批量處理文檔。

• 多種模板可供選擇：根據(jù)用戶需求，支持生成不同類型的音頻內(nèi)容。模板包括播客、講座、摘要和其他不同的場景。

• 定制生成模型：用戶可以自定義GPT模型和文本轉(zhuǎn)語音（TTS）模型來生成滿足特定需求的音頻內(nèi)容。

• 不同的語音選項(xiàng)：支持多種語音風(fēng)格和音色的選擇，為生成的音頻提供不同的聽覺體驗(yàn)。

如何使用PDF2Audio？

• 上傳一個(gè)或多個(gè) PDF 文件。

• 選擇所需的模板（例如播客、講座或摘要）。

• 選擇型號并輸入API KEY

• 自定義構(gòu)建參數(shù)，例如選擇音色或調(diào)整構(gòu)建指令。

• 單擊“生成音頻”，應(yīng)用程序?qū)⑻幚砦臋n并生成音頻文件。

GitHub： https://github.com/lamm-mit/PDF2Audio

在線體驗(yàn)： https ://huggingface.co/spaces/lamm-mit/PDF2Audio